本文關鍵詞：Logistic回歸分析在BI-RADS-US（2013）超聲描述詞對乳腺腫塊良惡性鑒別中的應用，由筆耕文化傳播整理發(fā)布。

【摘要】：目的:應用Binary Logistic回歸模型探討超聲乳腺影像報告數(shù)據(jù)系統(tǒng)(2013)中列舉的超聲征象及相關臨床資料在乳腺腫塊良惡性鑒別中的診斷價值,篩選出起主要鑒別作用的影像學表現(xiàn)及臨床資料。方法:對安徽醫(yī)科大學第二附屬醫(yī)院的367例患者行乳腺灰階超聲、彩色多普勒超聲、彈性成像等檢查,共發(fā)現(xiàn)430個乳腺腫塊,依據(jù)BI-RADS-US(2013)中列舉的腫塊的超聲描述詞記錄各腫塊超聲征象:腫塊的大小、形態(tài)、方位、邊緣、內(nèi)部回聲、后方回聲、血管供應、彈性評估、有無腋窩淋巴結(jié)腫大、腫塊內(nèi)細鈣化、腫塊內(nèi)粗鈣化、導管內(nèi)鈣化、腫塊外鈣化、乳腺結(jié)構(gòu)扭曲、導管改變、皮膚改變、水腫。查閱患者的病歷記錄其相關臨床資料,包括:患者的腫瘤家族史、患病年齡、腫塊的位置等。與病理結(jié)果對照,應用SPSS 17.0統(tǒng)計軟件,對上述20個方面的參數(shù)先行單因素分析,定量資料經(jīng)正態(tài)檢驗后,采用獨立樣本t檢驗或獨立樣本非參數(shù)檢驗,定性資料采用c2檢驗,R0.05差異有統(tǒng)計學意義。將單因素分析中篩選出的有統(tǒng)計學意義的自變量用Binary Logistic回歸Enter法進行分析,R0.05差異具有統(tǒng)計學意義,建立預測模型,對模型的擬合情況采用Hosmer and Lemeshow檢驗,若R"g0.05證明模型擬合良好。結(jié)果:1.單因素分析結(jié)果惡性病灶170個,良性病灶260個。共有17個方面的指標可用來鑒別乳腺腫塊的良惡性:患者的患病年齡、腫塊的形態(tài)、方位、邊緣、內(nèi)部回聲、后方回聲、血管供應、彈性評估、腫塊內(nèi)細鈣化、腫塊內(nèi)粗鈣化、導管內(nèi)鈣化、腫塊外鈣化、乳腺結(jié)構(gòu)扭曲、周圍導管改變、皮膚改變、水腫、腋窩淋巴結(jié)腫大。2.多因素Logistic分析結(jié)果:共篩選出7個乳腺癌診斷的主要影響因素,按其預測乳腺腫塊為惡性的相對危險度(0R值)由高到低依次排序為:腫塊內(nèi)細點狀鈣化(OR=14.878)邊緣毛刺狀(OR=13.326)邊緣微小分葉(OR=12.475)邊緣成角(OR=11.843)年齡(OR=4.652)腋窩淋巴結(jié)腫大(OR=4.410)方位(OR=3.424)。得到的預測模型Logit(P)=-21.311+1.537×(年齡"g40歲)+1.231×不平行生長+2.472×邊緣成角+2.524×邊緣呈微小分葉狀+2.590×邊緣呈毛刺狀+2.700×腫塊內(nèi)微小鈣化+1.484×腋窩淋巴結(jié)腫大。Hosmer and Lemeshow檢驗:R=0.389(R≥0.05),模型擬合良好。結(jié)論:1.單因素分析結(jié)果中具有統(tǒng)計學意義的指標中囊括了BI-RADS-US(2013)中列舉的所有超聲征象,這再次驗證了BI-RADS-US有助于乳腺腫塊良惡性的鑒別。2.多因素分析結(jié)果按OR值由大到小排序,共有:腫塊內(nèi)細點狀鈣化、邊緣毛刺狀、邊緣微小分葉、邊緣成角、年齡≥40歲、腋窩淋巴結(jié)腫大、方位7個因素是乳腺良惡性腫塊鑒別診斷中的主要危險因素,OR值越大,腫塊的惡性可能性越大;危險因素出現(xiàn)的越多,乳腺腫塊為惡性的可能性就大。3.Logistic回歸模型的建立證明多種超聲征象和臨床資料的聯(lián)合應用,能有效地鑒別乳腺腫塊的良惡性,具有較高的實用價值。
【關鍵詞】：乳腺腫塊 超聲檢查 Logistic回歸 BI-RADS
【學位授予單位】：安徽醫(yī)科大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：R445.1;R737.9
【目錄】：

• 縮略詞表5-6
• 中文摘要6-8
• 英文摘要8-11
• 1. 引言11-17
• 2. 實驗材料17-18
• 3. 實驗方法18-20
• 4. 實驗結(jié)果20-22
• 5. 討論22-31
• 6. 結(jié)論31-32
• 參考文獻32-38
• 附錄38-39
• 致謝39-40
• 綜述40-51
• 參考文獻49-51

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 郭曉霞;甄艷華;王雁;;BI-RADS-US在乳腺腫塊超聲鑒別診斷中的應用[J];中國臨床醫(yī)學影像雜志;2011年12期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 張曉曉;賈懿;計靜丹;周建橋;陳曼;詹維偉;;構(gòu)建預測腫塊BI-RADS-US分級的數(shù)學模型的研究[A];中國超聲醫(yī)學工程學會第三次全國淺表器官及外周血管超聲醫(yī)學學術會議（高峰論壇）論文匯編[C];2011年

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 吳瑕璧;Logistic回歸分析在BI-RADS-US（2013）超聲描述詞對乳腺腫塊良惡性鑒別中的應用[D];安徽醫(yī)科大學;2016年

  本文關鍵詞：Logistic回歸分析在BI-RADS-US（2013）超聲描述詞對乳腺腫塊良惡性鑒別中的應用，，由筆耕文化傳播整理發(fā)布。

本文編號：277563